基于回溯的壓縮感知重構(gòu)算法及在深度圖像處理應(yīng)用研究.pdf

1、隨著自主機器人的發(fā)展，如何讓機器人“看懂”外部世界是很多學者研究的內(nèi)容。機器人可以通過視覺系統(tǒng)與外界環(huán)境進行交互。信息處理單元是視覺系統(tǒng)中較為關(guān)鍵的一部分，當實時性要求較高的時候可以采用硬件實現(xiàn)，當實時性要求不高，而低功耗的情況下，就可通過PC等實現(xiàn)此單元的功能。將采集到的圖像信息傳輸?shù)诫娔X的速度會受到帶寬的限制。壓縮感知理論是一種從少量采集到的信息恢復原始信號的理論。
　　本文提出一種新的重構(gòu)算法——BR-StOMP（Backt

2、racking Regularized Stage-wised Orthogonal Matching Pursuit Algorithm，回溯正則化分段正交匹配追蹤）算法，該算法是將相關(guān)系數(shù)大于設(shè)定閾值的原子的序列號組成一個集合，為了減少在此過程中加入的原子的數(shù)量，采用正則化操作，對原子進行二次篩選，用選出的原子的列序號組成新的集合并利用最小二乘法進行信號估計，在解決原子選擇階段中加入了錯誤的原子的問題，利用回溯思想，選取前?L個較大

3、元素構(gòu)成新的支撐集，提高重構(gòu)算法的準確性。
　　針對 BR-StOMP算法在深度圖像處理中的應(yīng)用進行了研究。首先分析了深度圖像的邊緣特征，對深度圖像進行了濾波預處理觀察其濾出效果，并對圖像進行邊緣檢測和分塊，為 BR-StOMP算法對深度圖像進行恢復做了有效性的前期準備。
　　實驗過程中采用Kinect攝像機進行深度圖像和彩色圖像的采集。本文完成了對彩色攝像頭和深度攝像頭標定，進而獲得彩色攝像頭和深度攝像頭的內(nèi)參以及徑向和切